基于RSLN模型的中国大陆和中国香港股票长期-上海财经大学金融学院.doc

基于RSLN模型的中国大陆和中国香港股票长期收益模拟研究 中央财经大学中国精算研究院 陈 辉一、引言 股票长期收益的建模，对于投资组合选择、风险管理以及期权定价都相当重要。因此对于股票长期收益建模的研究，Black-Scholes）期权定价公式，都假设股票收益服从几何布朗运动，这意味着在任何离散的时间区间内股票对数收益服从正态分布，并且在任何不重叠的区间内是独立的。即如果表示时刻的股票价值，，则有： （1） 其中表示股票收益漂移系数；表示股票收益波动系数。式（1）就是传统的独立对数正态（Independent Lognormal，ILN）Engle引入自回归条件异方差（ARCH）模型描述波动性，Bollerslev将这类模型推广到广义的自回归条件异方差模型（GARCH）。对于股票数据，人们通常认为市场价格向下的变动比向上的变动会导致更高的波动性，为了描述股票收益的这种非对称性，Nelson引入了EGARCH，Zakoian和Glosten等引入了TGARCH 模型。 上述的ARCH类模型能较好地描述出股票市场波动性，但是这些模型一般不易于处理，且不能利用基于ILN模型的一些理论研究成果。引入随机波动比较简单的方法是假设股票收益波动系数（）可以取个不同的值，在这个波动系数间随机转移。这就是状态转移对数正态（Regime-Switching Lognormal, RSLN）RSLN模型保留了ILN模型的简单性，但是可以反映股票价格的剧烈波动行为。状态转移最早是由Hamilton（1989）提出的，在这篇文章中他介绍了状态转移自回归（RSAR）过程；Hamilton and Susmel(1994) 分析了其他的状态转移模型，主要是研究了如何对计量经济学中的时间序列进行建模；Handy（2001）介绍了基于状态转移对数正态模型的长期股票收益分布；Handy（2002）介绍了状态转移对数正态模型在投资保证和期权中的应用。本篇文章笔者尝试性的利用RSLN模型来研究中国大陆和中国香港股票市场，并检验其对中国大陆和中国香港市场的适用性。 状态转移框架的基本原理是假设股票市场在稳定且波动比较小的状态和不稳定且波动比较大的状态间随机转移。本文主要研究马尔可夫状态转移对数正态模型，该模型假设股票价格过程可以在个状态下随机转移，每一种状态的特征具有不同的模型参数，在任何一个时间点股票价格过程到底处于哪一个状态是一个马尔可夫过程，即从一种状态下向另一种状态转移的概率只依赖于当前的状态，与历史过程无关。 本文的目的就是通过引入状态转移对数正态模型，对中国大陆和中国香港的股票市场的长期收益进行实证研究，并分析了RSLN模型在期权定价和股票连结保险风险测量中的应用。 二、股票市场数据的选取 本文数据购买于GFD（Global Financial Data）（Stock Total Return Index，STRI）STRI的月对数收益率和年波动率的曲线。利用极大似然估计法，得出了这两个市场的股票对数益率均值和年波动率的估计值（见表1）。 从图1和图2我们可以发现，这两个市场的波动性都存在跳跃性（如1997的亚洲金融危机对股票市场的影响），传统的对数正态分布不能很好的模拟这种波动性的跳跃性。因此我们需要寻找更好的模型，如下面谈到的RSLN模型来模拟股票市场波动性跳跃的特点。 表1 股票对数收益的均值和标准差估计值 项目 中国大陆 中国香港 月对数收益的均值 -0.0022536 0.0103954 年对数收益的标准差 0.1064690 0.0777268   图1 中国大陆股票市场总收益指数对数收益和波动性 图2 中国香港股票市场总收益指数对数收益和波动性  三、基于RSLN模型的中国大陆和香港股票市场长期收益模拟 （一）RSLN（2）模型介绍 RSLN考虑了不同的状态，其根据市场的变化选择不同的参数，克服了对数正态分布的局限性，更好的模拟了市场的变化。RSLN模型假设股票收益过程存在种状态，假设用表示在内所处的状态，其中；表示时刻的总收益指数值；则RSLN模型可以表示为： （2） 通过对股票市场的实证研究，笔者发现3个或更多状态的RSLN模型的模拟效果相对于2个状态的RSLN模型并没有显著性的改善，因此在本篇文章中笔者只讨论的情况，即=1或2。如果用转移矩阵表示在不同状态间转移的概率，则： （3） 其中=1或2，=1或2。对于两个状态的RSLN模型（下文中用RSLN（2）。 （二）RSLN（2）模型的极大似然估计 1．RSLN（2）模型的似然函数 假设表示第月的股票对数收益，则有，其观察值的似然函数为： （4）